Reinventando la automatización notarial con IA en AWS

Cliente

Signot

Ubicación

Ciudad de México, México

Industria

Tecnología legal

Servicios y tecnología

Amazon S3, Amazon SageMaker, Amazon Bedrock [Nova Pro, Titan Embeddings], AWS Lambda, Amazon API Gateway, Amazon OpenSearch Service, Amazon DynamoDB, IAM, CloudWatch

Resumen del proyecto

Signot, una empresa innovadora de tecnología legal en México, se asoció con Avahi para explorar la automatización impulsada por la IA para estructurar documentos notariales. El objetivo era construir un sistema de clasificación de secciones que pudiera identificar de forma inteligente las estructuras jurídico-funcionales dentro de documentos formales en español, como las escrituras de propiedad. Avahi diseñó e implementó una solución basada en IA generativa en AWS que demostró con éxito la detección automatizada de estructuras, el perfeccionamiento con intervención humana y un rendimiento escalable. Esta iniciativa sentó las bases para una transformación más amplia de los flujos de trabajo legales.

Acerca del cliente

Signot es una empresa de tecnología legal con sede en México que se centra en la modernización de las prácticas notariales. Su misión es agilizar la preparación y revisión de documentos notariales utilizando la IA y la automatización, mejorando la precisión, la eficiencia y la rentabilidad para los notarios que operan bajo estrictas formalidades legales.

El problema

Los documentos notariales en México deben seguir estrictas convenciones legales y estructurales. El procesamiento manual de estos registros requiere mucho tiempo, es propenso a errores y requiere muchos recursos. Signot necesitaba un sistema capaz de analizar, etiquetar y clasificar automáticamente diferentes secciones de textos legales para apoyar casos de uso posteriores, como la verificación de cláusulas, la elaboración de resúmenes legales, la búsqueda digital y, en general, la mejora de textos.

Sin la automatización, Signot se enfrentaba a barreras para escalar sus servicios y corría el riesgo de no alcanzar su visión de modernizar el flujo de trabajo legal. Además, capturar la retroalimentación de los expertos y mejorar la precisión del sistema dentro de un marco compatible y controlado era fundamental para la preparación de la producción.

Por qué AWS

Signot eligió AWS por su infraestructura escalable, segura y preparada para la IA. Los servicios de AWS como Amazon SageMaker y Amazon Bedrock permitieron la creación rápida de prototipos, la formación y el despliegue de modelos, mientras que los componentes sin servidor como AWS Lambda y Amazon API Gateway garantizaron un procesamiento rentable e impulsado por eventos.

También se aprovechó Amazon OpenSearch para apoyar la búsqueda semántica, el almacenamiento de etiquetas clasificadas y la recuperación de documentos, todo ello dentro de una arquitectura compatible y auditable.

¿Por qué Signot eligió Avahi?

Avahi, un socio de servicios de nivel Premier de AWS, aportó una profunda experiencia en IA generativa, PNL y diseño nativo de la nube. Con una capacidad demostrada para construir aplicaciones de IA específicas para cada dominio, Avahi colaboró estrechamente con los expertos legales de Signot para cerrar la brecha entre la viabilidad técnica y la precisión legal.

El enfoque gradual de Avahi, adaptado al caso de uso específico de Signot, garantizó una entrega estructurada que se ajustaba al rigor legal y a las expectativas de plazos del proyecto. Las validaciones semanales con PYMES legales garantizaron que el sistema de clasificación cumpliera con las necesidades notariales prácticas.

Solución

Avahi entregó un proyecto de cuatro semanas utilizando una arquitectura modular de AWS que permitió el desarrollo y el perfeccionamiento rápidos de un sistema de clasificación de documentos legales:

  • La Semana 1 se centró en el descubrimiento, la segmentación de documentos y la definición de categorías. Se ingirió un conjunto de datos de escrituras de propiedad notariales, se etiquetó manualmente y se preparó para el entrenamiento del modelo.
  • La Semana 2 implicó la ingeniería de características utilizando n-gramas, metadatos de posición de documentos y reconocimiento de entidades nombradas (NER). Se entrenó un modelo inicial con soporte para la supervisión débil para ampliar la cobertura de etiquetas.
  • La Semana 3 introdujo el aprendizaje semi-supervisado con la propagación de etiquetas y los k-vecinos más cercanos (k-NN) para mejorar la generalización en documentos no vistos.
  • La Semana 4 incorporó la retroalimentación de expertos legales en el perfeccionamiento del modelo. Una demostración en vivo y la documentación concluyeron la participación.

Resultados clave

  • Esquema legal-funcional y conjunto de datos etiquetados de muestra
  • Una canalización de extracción de características que combina métodos estadísticos y semánticos
  • Modelos de clasificación iniciales y perfeccionados
  • Integraciones de aprendizaje semi-supervisado
  • Canalización de procesamiento de extremo a extremo con informes de validación
  • Salidas revisadas y corregidas por expertos
  • Demostración final y recomendaciones de hoja de ruta

El sistema de extremo a extremo aprovechó:

  • Amazon S3 para almacenar documentos, artefactos y salidas
  • AWS Lambda para orquestar el preprocesamiento y los flujos de trabajo en tiempo real
  • Amazon SageMaker para el entrenamiento e inferencia de modelos
  • Amazon Bedrock (utilizando Nova Pro y Titan Embeddings) para OCR e incrustaciones de párrafos
  • Amazon OpenSearch para la recuperación semántica y la similitud de cláusulas
  • Amazon DynamoDB para el almacenamiento estructurado de etiquetas y metadatos
  • Amazon API Gateway para activadores externos y recopilación de comentarios

Impacto del proyecto

Signot ahora tiene un sistema de IA validado que clasifica de forma fiable las estructuras de documentos legales, lo que permite la futura automatización de la revisión de documentos y la identificación de cláusulas. Esto acelerará los flujos de trabajo notariales y reducirá los errores manuales, manteniendo al mismo tiempo el cumplimiento legal.

Métricas

  • Párrafos clasificados con éxito en más de 25 secciones y subsecciones legales predefinidas
  • Se logró una generalización consistente en documentos legales no vistos utilizando métodos semi-supervisados
  • Se habilitó la retroalimentación estructurada de expertos para el perfeccionamiento iterativo
  • Se entregó una canalización escalable y nativa de la nube utilizando servicios nativos de AWS

Recomendamos encarecidamente a Avahi como un socio tecnológico fiable e innovador. Su experiencia en tecnologías de vanguardia fue fundamental para construir nuestra prueba de concepto (PoC) y desarrollar nuestro producto mínimo viable (MVP). Avahi siempre ofreció soluciones de alta calidad a tiempo, manteniendo un enfoque colaborativo y receptivo. Fueron más allá de las expectativas al identificar oportunidades de mejora, garantizando la escalabilidad y el cumplimiento de nuestros productos centrados en la aplicación de la ley. Avahi es la elección clara si necesita un socio tecnológico con conocimiento de la industria, profesionalidad y un compromiso con la innovación.

Brandon Puhlman

Fundador, bravo foxtrot

¿Listo para transformar su negocio con la IA?

Reserve su taller gratuito de IA de activación

Exploremos juntos sus oportunidades de IA de alto impacto en una sesión gratuita de medio día

Vea nuestros casos prácticos

Vea cómo hemos ofrecido resultados medibles para empresas como la suya